According to CO2 emission increasing, the temperature also increases which affects to the global climate change and global warming. To understand these issues, the carbon cycle processes need to understand. The ecosystem function is one part of carbon cycle processes on the biosphere in terms of the forest properties. The forest plays an important role of a huge natural carbon sink. The amount of carbon sink in the forest is indicated as the ecological variables such as gross primary productivity (GPP), net primary productivity (NPP) and net ecosystem productivity (NEP). The carbon is absorbed by the canopy through the photosynthesis in terms of biomass.

To estimate such ecological variables, the modelling is needed. It is used to estimate and predict the result in the future. There are several ecological models that can estimate that ecological variables such as Biome-BGC, Sim-Cycle, 3-PG and etc. Among ecological models, 3-PG is selected to focus in this study because 3-PG model is commonly used based on the stand level. When the local scale or the national scale are considered in the study site, 3-PG may performs the better result than the other models which are based on the regional scale or the global scale such as Sim-Cycle.

Physiological Principle Predicting Growth, namely 3-PG, is a simple process based model required the meteorological data, site factors and species specific as the main input parameters. It consists of 5 main components as biomass production, biomass partitioning, soil water balance, stem mortality and stand properties. The main outputs are biomass pools, GPP, NPP, LAI and some stand properties.

This study proposed the extension of original 3-PG model in two ways. The first is the method to develop 3-PG model for NEP estimation in deciduous broadleaf forest by doing the parameterizations for deciduous broadleaf forest and adding the respiration part into the model. Since the parameter values in original 3-PG model is initially for Eucalyptus and Pine. The parameterization is needed for the other vegetation types for more accuracy result.

The second is to extend it from point based model to spatial dimensions by coupling with the remotely sensed data. Then, 3-PG model is namely Spatial 3-PG model. To estimate in larger area, the remotely sensed data has potential to solve the difficulty of original 3-PG model from point based model to spatial dimensions.

Two flux towers at Hitsujigaoka, Northern part of Japan, and Takayama, Central Japan, have been observing the meteorological data and ecological characteristics. The major vegetation type is deciduous broadleaf forest. The input data for Spatial 3-PG model is from the flux tower data such as the meteorological data. Not only for the input data into the model, it is also used for the validation such as GPP and NEP results which are the main outputs of Spatial 3-PG model.

The first step of method is to parameterize the value for deciduous broadleaf forest which is done according to the data from the flux tower sites such as the allometric relationship based on the relationship between foliage mass and stem mass with diameter at breast height. Then, the sensitivity analysis is carried out to analyse the effect of input parameters to GPP which is one of the main outputs. The result showed that the parameters in the environmental factors are most affected to GPP such as minimum temperature, optimum temperature and so on. Since all of these parameters are directly used to calculate GPP. According to the sensitivity analysis, minimum and optimum temperatures are the parameter in the temperature modifier which should be carefully determined the proper value. Then, the temperature was compared to GPP along the year to consider the proper value for minimum, maximum and optimum temperature. It is assigned to be 8.5, 24.5 and 36.0 degree C responding to minimum, optimum and maximum temperature respectively.

Leaf Area Index (LAI) is one principal ecological variable which can indicate the forest characteristics. It is main parameter in the model to estimate GPP. It can be measured from several methods in the field surveys. To extend to spatial dimension, the measured LAI data is compared to the remotely sensed data to find the relationship in terms of vegetation index (VI). Six vegetation indices which are commonly used to estimate LAI are NDVI, NDVIc, SAVI, SAVI2, SR and EVI. Based on LAI-VI relationship, SR and NDVIc showed the strong correlation to LAI with r2 = 0.839 and 0.835 respectively. However, LAI-NDVIc relationship is selected to add into the model because it gave better result than SR when it is applied in both Hitsujigaoka and Takayama.

Before the remotely sensed data applied, the deciduous broadleaf forest area is firstly extracted otherwise the other vegetation types will be affected from the calculation. Then, GPP is calculated from LAI based remotely sensed data and the environmental factors.

To extend the biomass production module for NEP estimation, the respiration part is added into Spatial-3PG model. It is calculated as the function of temperature. The respiration is the ecosystem respiration including the soil respiration and the above ground respiration. To cover in the larger scale, the temperature data is substituted by land surface temperature image because the temperature cannot be applied the same value in the different area. Then, NEP is calculated from GPP and the respiration.

The results showed that GPP estimation in average 4 years from 2002 to 2005 were 986 and 915 gC m(-2) year(-1) at Hitsujigaoka and Takayama respectively. The highest value was 1143 gC m(-2) year(-1) in 2003 at Hitsujigaoka and 1011 gC m(-2) year(-1) in 2002 at Takayama. Estimated GPP was validated with the observed GPP from the flux tower. The root mean square showed 0.94 and 0.96 at Hitsujigaoka and Takayama respectively. The error percentage when comparing with the observed GPP at Hitsujigaoka and Takayama was 15% and 10% respectively.

Average NEP estimation from 2002 to 2005 was 459 and 359 gC m(-2) year(-1) at Hitsujigaoka and Takayama respectively. NEP in 2003 had the highest value around 395 gC m(-2) year(-1) at Hitsujigaoka and 459 gC m(-2) year(-1) at Takayama in 2002. The validation of estimated NEP was to compare with the observed NEP from the flux tower. The root mean square showed 0.94 and 0.96 at Hitsujigaoka and Takayama respectively. The error percentage when comparing with the observed GPP was 10% at the both sites.

Additional, the effect of NEP is investigated according to the variation of temperature and precipitation. The value is varied by increasing and decreasing in 1 to 3 degree Celsius in temperature and 10 to 20% in precipitation. NEP increased when the temperature increased until the increasing temperature is over the optimum temperature, as the limitation, then NEP started to reduce. For precipitation, even though it increased or decreased in 10 or 20 percent, NEP did not vary.

大気の気温上昇をもたらすCO2増加は地球規模の気象に影響を与え、温暖化をもたらす。このCO2増加にかかわる問題には、森林生態系を含めた炭素循環プロセスの理解が不可欠である。特に森林は自然界における炭素吸収の重要な役割を担っており、森林での炭素吸収量は、総生産量(GPP)、純一次生産量(NPP)、純生態系生産量(NEP)などの生態系変量で示される。

このような生態系変量の推定には、現存量の推定とともに、将来の予測にも役立つ推定モデルが必要である。生態系変量推定モデルには、Biome-BGC、Sim-Cycle、3-PGなどがあるが、本研究では林分レベルのモデルとして利用できる3-PGモデルを採用した。3PG(Physiological Principle Predicting Growth:生理的成長予測)モデルは簡略型のプロセスモデルであり、気象データ、立地因子、樹種特性を主な入力パラメータとする。このモデルは、バイオマス生産、バイオマス分配、土壌水分バランス、枯死率、立地特性の5つの主要コンポーネントから成っており、主な出力は、バイオマス蓄積量、GPP、NPP、LAI、林分特性値である。

本研究は、この3-PGモデルを2つの面で拡張した。ひとつは、落葉広葉樹林でのパラメタライゼーションと呼吸要素を加えて、落葉広葉樹林でNEPを推定できるように3-PGモデルを改良したことである。3-PGモデルはユーカリとマツを対象に開発されてもので、他の植生での適用を図るには、パラメタリゼーションが必要であった。ふたつめの拡張は、リモートセンシングデータを利用することで、林分レベルのモデルを空間的に拡張したことである。この3-PGモデルを空間3-PGモデルと名付けた。

気象と生態系量などを観測している北海道の羊ヶ丘と本州の高山にある2カ所のフラックスタワーのデータを主要なデータとして利用した。またモデルへの入力データだけでなく、空間3-PGの主な出力であるGPPやNEPの推定値の評価にもタワーで実測されたデータを用いた。両箇所の主な植生は落葉広葉樹林である。

まずフラックスタワーサイトでの葉量と樹幹量などの相対成長関係を用いて、3-PGモデルのための落葉広葉樹林のパラメタリゼーションを行った。入力パラメータがGPP推定に及ぼす影響を明らかにする感度分析では、最低気温、最適気温などの環境パラメータがGPP推定に大きな影響を与えることが明らかとなった。そこで、GPPとそれらの温度値との関係を詳細に分析し、最低気温は8.5 度C、最適気温は24.5度C、最高気温は36 度Cであることを確認した。

葉面積指数(LAI)は森林の特徴を示す主な生態系変量のひとつであり、GPP推定モデルでも主要なパラメータである。モデルを空間的に拡張するために、実測されたLAIデータとリモートセンシングデータを比較し、植生指数との関係を明らかにした。本研究では羊ヶ丘と高山の両サイトでよい結果が得られたNDVIcをLAI推定に利用した。

GPP推定では、まず落葉広葉樹林域を抽出し、リモートセンシングデータに基づくLAIと環境因子を利用してGPPを推定した。NEP推定へ拡張するために、空間3-PGモデルに呼吸量推定パーツを加えた。これは気温の関数として、土壌呼吸と地上部呼吸を含んだ生態系呼吸を推定するものである。呼吸量推定に必要な気温データとしては地表面温度画像を利用し、GPPと推定呼吸量からNEPを広域に推定した。

2002年から2005年の4年間の年間平均GPP推定量は羊ヶ丘で986 gC m(-2) 、高山で 915 gC m(-2)であった。GPP推定量をフラックスタワーでのGPP観測値と比較したところ、二乗平均平方根(RMS)は、羊ヶ丘で0.94、高山で0.96であり、誤差率は、羊ヶ丘で15%、高山で10%であった。同期間での年間平均NEP推定量は羊ヶ丘で459 gC m(-2) 、高山で 359 gC m(-2) であった。NEP推定量をフラックスタワーでのNEP観測値と比較したところ、RMSは、羊ヶ丘で0.94、高山で0.96であり、誤差率は、羊ヶ丘と高山のいずれでも10%であった。

さらに、このモデルを利用して気温と降水量の変化がNEPに与える影響を推定した。気温に関しては、NEPは最適気温に達するまでは上昇するものの、最適気温を境に減少することが予測された。降水量に関しては、20%の降水量の増減ではいずれの場合もNEPへの影響はほとんど見られないが、50%を超える場合は日本の落葉広葉樹林でも影響が現れることが示唆された。

本論文の新規性は、人工林のユーカリ林とマツ林における林分レベルでの適用が報告されていた3-PGモデルを、天然林の落葉広葉樹林で適用できるように拡張したことと、広域での適用を可能にする空間3-PGモデルを開発したことにある。この手法によって、日本の落葉広葉樹林における純生態系生産量の分布形態を明らかにすることが可能になり、日本の森林の炭素吸収量を高精度に推定することを可能性にした。地球温暖化対策への森林機能の客観的評価への貢献は大きい。さらに、開発した手法を利用して北海道の落葉広葉樹林の炭素吸収量分布を具体的に明らかにしたこと、また空間3-PGモデルをもとに気温と降水量の変動に対する応答をシミュレートしたことも新規性があると評価する。

よって本論文は博士(工学)の学位論文として合格と認められる。